Dieses (Pro-)Seminar findet regelmäßig jedes Semester statt und richtet sich an Bachelor- und Masterstudierende.  Es behandelt grundlegende und fortgeschrittene (aktuelle) Themen der informationstheoretischen Grundlagen des Maschinellen Lernens.  Eine indikative, aber nicht vollständige Liste möglicher Themen ist:

•  Wahrscheinlichkeitsverteilungen
•  Elemente der Lerntheorie
•  Entropie-Maßnahmen, Cross-Entropie
•  Gegenseitige Information und Entfernungsmetriken über Wahrscheinlichkeitsverteilungen
•  Lernen von Kompression und Repräsentation
•  Autoencoder und variable Autoencoder
•  ML zum Schutz der Privatsphäre
•  Robustheit, Adversarial ML
•  Mustererkennung und Anomalieerkennung
•  Statistische Signalverarbeitung und maschinelles Lernen
•  Moderne generative modelle (Diffusionsmodelle, Transformer, ...)
•  NLP
•  Kausalität und Informationsdekomposition
•  ...